CHAPITRE II INITIATION AU CALCUL DE PROBABILITES

I. ANALYSE COMBINATOIRE

I.1 INTRODUCTION
L’analyse combinatoire est une branche des mathématiques où on s’intéresse à l’étude de problèmes de
dénombrements d’ensembles finis.

I.2 PRINCIPE DE L’ADDITION

Si une opération O1 peut être effectuée de n1 manières différentes, une opération O2 peut être effectuée de n2
manières différentes et ainsi de suite jusqu’à une opération Ok qui peut être effectuée de nk manières
différentes.
Alors le nombre de manières différentes d’effectuer l’une ou l’autre de ces opérations est
N = n1+ n2+ . . . + nk
Exemple : On se donne le réseau routier suivant reliant trois villes A, B et C.

R1 R5

R2 C
A B R4
R3

Pour un individu se trouvant dans la ville B, combien y a-t-il de façons différentes pour quitter cette ville?
Soient les opérations suivantes:
O : « quitter B » , O1 : « quitter B vers A » , O2 : « quitter B vers C »
On a : O  O1  O2
n1 = 3 manières pour réaliser O1 , n2 = 2 manières pour réaliser O2
Le nombre de manières d’effectuer l’opération O est : N = n1 + n2 = 3 + 2 = 5

I.3 PRINCIPE DE LA MULTIPLICATION

Soit une première opération O1 qui peut être effectuée de n1 manières différentes. Si pour chacune de ces n1
manières, une deuxième opération O2 peut être effectuée de n2 manières différentes. Si pour chacune de ces
n1  n2 manières différentes pour effectuer O1 et O2 , une troisième opération O3 peut être effectuée de n3
manières différentes. Et ainsi de suite jusqu’à la k ième opération Ok qui peut être réalisée de nk manières
différentes pour chacune des manières de réaliser les opérations précédentes.
Alors l’ensemble de ces opérations peut être effectué de N = n1 n2  . . .  nk manières différentes.

I.4 NOTION DE FACTORIELLE

Définition
Soit nI*. On définit factorielle n, notée n!, par : n! = n.(n-1) (n-2). . . 2.1
Par convention, on prend : 0!=1
On a : n! = n.(n-1)!

1
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES
I.5 ARRANGEMENTS
On considère un ensemble E de n éléments (n fini) et soit une suite ( une disposition ) de p éléments choisis
parmi les éléments de l’ensemble E.
Cette suite peut être ordonnée ou non selon qu’on tient compte de la position des éléments ou non.
Elle peut se faire avec ou sans répétition selon que l’on puisse utiliser le même élément plusieurs ou une
seule fois.

Définition

Soit E un ensemble contenant n éléments différents ( n fini ). On appelle arrangement sans répétition de p
éléments ( 0  p  n) toute suite ordonnée de p éléments différents choisis dans E.
Le nombre d’arrangements sans répétition est :
n!
A pn =
(n - p)!
Remarque : l’ordre est important.

Définition
Soit E un ensemble contenant n éléments différents ( n fini ). On appelle arrangement avec répétition de p
éléments ( p quelconque ) toute suite ordonnée de p éléments quelconques de E.
Le nombre d’arrangements avec répétition est :
A pn = n p
Exemple
Dans un club de 10 personnes, on veut choisir un comité qui comprend un président, un secrétaire et
un trésorier. Le cumul est exclu. De combien de manière peut-on choisir ce comité ?
Puisqu’il y a des charges, chaque comité est un arrangement et comme le cumul est exclu alors se sont des
arrangements sans répétition.
10!
On a alors 3
A10 = = 720 comités possibles
(10 - 3)!

I.6 PERMUTATIONS
Définition
On appelle permutation toute suite ordonnée des n éléments de l’ensemble E.
Remarque : Une permutation est donc un arrangement particulier où p = n (tous les éléments de E)
Le nombre de permutations différentes est : Pn = n!

Exemple 1
Combien de mots peut-on former avec les lettres du mot DIPLOMES
n = 8 , le nombre de mots différents est : N = P8 = 8! = 40 320

Exemple 2
De combien de manières peut-on ranger, sur une étagère, 4 livres de maths, 3 livres de physiques et 2 livres
de chimie ?
Il y a N = 9! = 362 880 manières différentes

Permutations dans le cas où certains éléments de l’ensemble E sont identiques:

Soient n1 éléments d’une certaine sorte, n2 éléments d’une autre sorte, et ainsi de suite jusqu’à nk éléments
qui sont d’une sorte différente. Alors le nombre de permutations différentes est
n1 , n 2 ,..., n k n!
Pn =
n1!n 2!...n k !
Exemple:
Combien de mots peut-on former avec les lettres du mot STATISTIQUES
n = 12 , n1=3 ( 3 S) , n2 =3 (3T) , n3 = 2 (2I)
12!
le nombre de mots différents est : P 3,3, 2
12 = = 6 652 800
3!3!2!

2
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES
I.7 COMBINAISONS
Définition
On appelle combinaison sans répétition de p éléments ( 0  p  n) toute suite non ordonnée de p éléments
différents choisis parmi les éléments de E.
p n!
Le nombre de combinaisons différentes est : C =
n p!(n - p)!
Propriétés
C0 = 1 , Cn = 1 , p
, Cn = Cn
n-p
,
p
C =C
p
+C
p -1
n n n n -1 n -1

Définition
On appelle combinaison avec répétitions de p éléments (p quelconque) toute suite non ordonnée de p
éléments quelconques pris parmi les éléments de E.
p (n + p - 1)!
Il y en a : Kn =
p!(n - 1)!

Exemple
A partir d’un groupe de 5 hommes et de 7 femmes, combien de comités différents composés de 2
hommes et de 3 femmes peut-on former?

Il n’y a pas ordre C52 C73 = 10 35 = 350 comités possibles

II. CALCUL DE PROBABILITES

II.1 Expériences aléatoires et Evènements : une expérience ou épreuve est dite aléatoire s’il est impossible
de prévoir son résultat.
L’ensemble de tous les résultats possibles est appelé univers ou ensemble fondamental de l’expérience, il est
en général connu. On le note Ω.

Exemples
1. On lance une pièce de monnaie. L’univers de cette épreuve aléatoire est: Ω = { pile , face }
. On lance un dé. Ω = { 1, 2, 3, 4, 5, 6 }
. On lance deux dés. Ω = { (1,1),(1, 2),. . . , (6, 6) } = { ( i , j ) / i , j  IN et 1  i , j  6}

Les sous-ensembles de Ω sont appelés les évènements.

 est appelé évènement impossible.

Ω est l’évènement certain.
Chaque partie de Ω contenant un seul élément ( un seul résultat possible) est appelée évènement élémentaire.

Exemple
On lance deux dés. Ω = { (1,1),(1, 2),. . . , (6, 6) }
Soit l’évènement A : « la somme des points obtenus est >10 »
A = { (5,6),(6, 5),(6, 6) }
Soit l’évènement B : « la somme des points obtenus est égale à 1 »
B=
Rq. Un évènement est une partie de Ω définie par une proposition logique.

Définitions
Soient A et B deux évènements de Ω.
• L’évènement AB est l’évènement qui est réalisé si A est réalisé ou B est réalisé.
• L’évènement A  B est l’évènement qui n’est réalisé que si A et B sont réalisés simultanément.
• Si A est évènement de Ω. L’évènement contraire de A, noté A , est l’évènement qui n’est réalisé que
si A ne l’est pas.
• Si A  B =  alors on dira que A et B sont deux évènements incompatibles.

3
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES
Propriétés AB= AB et AB= AB

II.2 Notion de probabilité

Définition
Soient Ω l’ensemble fondamental associé à une épreuve aléatoire. Une probabilité P définie sur Ω est une
application de P (Ω) (ensemble de toutes les parties de Ω ) dans IR vérifiant :
i.  A  P (Ω) : 0  P(A)  1
ii. P(Ω) = 1
iii. (Ai) P (Ω) : P(Ai )=Σ P(Ai) si les évènements Ai sont deux à deux disjoints
(c.a.d. pour i ≠ j: Ai Aj =)

Conséquences : si P est une probabilité sur Ω, on a alors :

P() = 0
 A  A : P( A ) = 1 - P(A)
 A, B  A : P(AB) = P(A) +P(B) - P(AB)

II.3 Notion d’équiprobabilité : l’équiprobabilité correspond au cas où tous les évènements élémentaires
ont la même probabilité de se réaliser. c.a.d si Ω = { ω1, ω2, . . . ωn } alors P({ ωi})=1/n.
Dans ce cas d’équiprobabilité, si A est un évènement quelconque alors :
le nombre de cas favorables à A card ( A )
P(A) = =
le nombre de cas possibles card ()
Exemples:
• on lance un dé bien équilibré. Quelle est la probabilité d’obtenir un nombre premier?
• On lance deux dés bien équilibrés. Quelle est la probabilité que la somme des points obtenus soit
supérieure à 10?
• On tire 5 cartes d’un jeu de 32 cartes. Quelle est la probabilité d’avoir dans la main exactement deux
dames ?

III. Probabilité Conditionnelle - Théorème de Bayes

III.1 Exemple :
1. On tire, au hasard, une carte d’un jeu de 52 cartes. On s’intéresse à l’évènement A : « la carte tirée est un
Valet ». Calculer la probabilité de A.
le nombre de cas favorables à A C14 4 1
On a P(A) = = 1
= = =0.077
le nombre de cas possibles C52 52 13

2. Après avoir tiré la carte, on a vu du coin de l’œil, que la carte tirée était une figure noire. Etant donnée
cette information, calculer la probabilité de A.
Cette information change la probabilité de A car il ne reste que deux valets noirs comme résultats favorables
à A et ils constituent 2 des 6 résultats possibles ( les 6 figures noires). La probabilité cherchée devient donc
1
C2 2 1
= = = 0.333
1 6 3
C6
En effet, si on appelle B l’évènement « la carte tirée est une figure noire », on a alors P(B)= 6/52=3/26
Lorsque B est réalisé, cet évènement devient l’ensemble des résultats possibles c.a.d. le nouveau ensemble
p(A  B) 2 / 52
fondamental et la probabilité que A se réalise est : = = 1/3 = 0.333
p(B) 6 / 52

4
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES
III.2 Probabilité conditionnelle
Définition
Si A est un évènement associé à une épreuve aléatoire et si B est un évènement de probabilité non nulle
associé à la même épreuve, on définit alors la probabilité conditionnelle que A se réalise étant donné que B
P(A  B)
est réalisé, notée P(A/B), par P(A/B) = .
P(B)

De cette définition, on a : P(AB) = P(A/B). P (B)

On a aussi : P(AB) = P(B/A). P(A) ( si p(A)≠0 )

III.3 Indépendance
On dira que l’évènement A est indépendant de l’évènement B si et seulement si la réalisation de B ne change
rien aux chances ( à la probabilité ) de réalisation de A. c.a.d. P(A/B) = P(A)
On démontre que A indépendant de B si et seulement si B est indépendant de A. On dira tout simplement que
A et B sont indépendants.
A indépendant de B  P(A/B) = P(A)
P(A  B)
 = P(A)
P(B)
 P(AB) = P(A).P (B)
P(A  B) P(A).P (B)
 P(B/A) = = = p(B)
P(A) P(A)
 B est indépendant de A

On a donc : A et B sont indépendants  P(AB) = P(A).P (B)

Attention :
1) indépendants ≠ incompatibles.
Exercice
30 % des étudiants de la 1e année MIAS ont échoué au cours de Probabilités, 20 % ont échoué au cours
d’Analyse et 10 % ont échoué aux deux cours. On rencontre un étudiant au hasard. Calculer :
1. la probabilité que cet étudiant ait réussi le cours de Probabilités et échoué au cours d’Analyse.
2. la probabilité que cet étudiant ait échoué au cours d’Analyse sachant qu'il a échoué au cours de
Probabilités.
3. la probabilité que cet étudiant ait échoué au cours d’Analyse sachant qu'il a réussi au cours de
Probabilités.
Solution : Soit les événements suivants :
A : « l’étudiant a échoué au cours d’analyse »
B : « l’étudiant a échoué au cours de probabilités »
On a : P(A)=0,2 ; P(B)=0,3 et P(AB)=0,1
1. On cherche P(A 𝐵)

B=(AB) (A 𝐵) alors P(B)= P((AB) (A 𝐵))=P(AB)+P(A 𝐵) car (AB)  (A 𝐵)=
Et donc P(A 𝐵)= P(B) - P(AB) = 0,3 -0,1 = 0,2
2. On cherche P(A/B)

P(AB) 0,1 1
P(A/B)= P(B)
= 0,3 = 3

3. On cherche P(A/𝐵)

P(A𝐵) 0,2 2
P(A/𝐵)= P(𝐵)
= 1−0,3 = 7

5
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES
III.4 Théorèmes de Bayes
Définition
Soit (Ai) une suite d’évènements associés à une épreuve aléatoire. On dira que (Ai) forme un système
complet d’évènements (SCE) de Ω si et seulement si on a :
• i : Ai ≠ 
•  i ≠ j : Ai Aj = 
• Ω = Ai

1ère Formule de Bayes : Soit (Ai) un système complet d’évènements de Ω et soit B un évènement
quelconque. On a alors :
P(B) =  P(B/A i )P(A i )
i

2ème Formule de Bayes: Soient (Ai) un système complet d’évènements de Ω et B un évènement de

probabilité non nulle. Alors
P(B/A i ).P(A i )
P(Ai/B) =
 P(B/A j ) P(A j )
j
Exemple : Une population est formée de 60% d’hommes et 40% de femmes. 80% des hommes et 70% des
femmes fument.
1. Quelle est la proportion des fumeurs dans cette population ?
2. On tire au hasard une personne de cette population, elle fume. Quelle est la probabilité que cette
personne soit un homme ?

1. On tire une personne au hasard de cette population et soient les évènements suivants
H « la personne tirée est un homme»
F « la personne tirée est un femme»
B « la personne tirée fume »
On cherche P(B)
{F , H} forme un SCE de Ω
P(B)= P(B/F).P(F)+P(B/H).P(H)
On a : P(F) = 0.4 , P(H) = 0.6 , P(B/F) = 0.7 , P(B/H) = 0.8
P(B)= 0.7 × 0.4 + 0.8 × 0.6 = 0.76
76 % de cette population sont des fumeurs.

2. On cherche P(H/B)
P( B/H ) .P( H ) 0.8  0.6
P( H/B ) = = = 0.63
P( B/H ).P( H ) + P( B/F ).P( F ) 0.76

Exercice
Trois secrétaires tapent des adresses sur un lot d’enveloppes. La secrétaire A remplit 50% des enveloppes, la
secrétaire B en remplit 30% et la secrétaire C, 20%. La probabilité qu’il y ait une faute dans une adresse, si
elle est tapée par la secrétaire A, est de 0,03. La probabilité qu’il y ait une faute dans une adresse, si elle est
tapée par la secrétaire B, est de 0,02. La probabilité qu’il y ait une faute dans une adresse, si elle est tapée par
la secrétaire C, est de 0,01.
1. On tire une lettre au hasard, l’adresse est fausse. Quelle est la probabilité que cette adresse ait été tapée
par la secrétaire A?
2. On tire une lettre au hasard. L’adresse est exacte. Quelle est la probabilité que cette adresse ait été tapée
par la secrétaire A?

On tire une lettre au hasard, soit les événements suivants :

A : « la lettre est tapée par la secrétaire A »
B : « la lettre est tapée par la secrétaire B »
C : « la lettre est tapée par la secrétaire C »
F : « l’adresse est fausse »
A,B,C forment un système complet d’événements.
6
CHAPITRE II INITIATION AU CALCUL DE PROBABILITES

On a : P(A)=0,5 ; P(B)=0,3 et P(C)=0,2

P(F/A)=0,03 ; P(F/B)=0,02 et P(F/C)=0,01
1. On cherche P(A/F)

P(AF) P(F/A)P(A) 0,03.0,5 0,015

P(A/F)= P(F)
= P(F/A)P(A)+P(F/B)P(B)+P(F/C)P(C) = 0,03.0,5+0,02.0,3+0,01.0,2 = 0,023 = 0,65
2. On cherche P(A/𝐹)
P(A𝐹)
P(A/𝐹)=
P(𝐹)

On a A= (A ∩ F) ∪ (A ∩ 𝐹)
P(A)= P(AF) + P(A𝐹) donc P(A𝐹) =P(A) - P(AF) = 0,5 – 0,015 = 0,485
0,485
P(A/𝐹)= 1−0,023 = 0,496